水稻穗部籽粒参数快速无损获取方法研究

doi:10.3778/j.issn.1002-8331.1510-0308

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (8): 203-208.DOI: 10.3778/j.issn.1002-8331.1510-0308

水稻穗部籽粒参数快速无损获取方法研究

许杰1，2，周子力1，潘大宇2，3，王成2，4，罗斌2，4，宋鹏2，3

1.曲阜师范大学物理工程学院，山东曲阜 273165
2.国家农业智能装备工程技术研究中心，北京 100097
3.农业部农业信息技术重点实验室，北京 100097
4.农业智能装备技术北京重点实验室，北京 100097

出版日期:2017-04-15 发布日期:2017-04-28

Study on fast and nondestructive method of rice grain parameters acquisition of rice panicle

XU Jie1，2, ZHOU Zili1, PAN Dayu2，3, WANG Cheng2，4, LUO Bin2，4, SONG Peng2，3

1.College of Physics and Engineering, Qufu Normal University, Qufu, Shandong 273165, China
2.National Research Center of Intelligent Equipment for Agriculture, Beijing 100097, China
3.Key Laboratory of Agri-informatics, Ministry of Agriculture, Beijing 100097, China
4.Beijing Key Laboratory of Intelligent Equipment Technology for Agriculture, Beijing 100097, China

Online:2017-04-15 Published:2017-04-28

摘要/Abstract

摘要： 为满足现代育种技术在短时间内对大量的水稻穗部性状进行测量的需求，提出一种基于X射线的水稻穗部籽粒参数的快速无损获取方法，方法分析了射线管电压和电流对穗部成像质量的影响，通过高斯平滑和多阈值分割计算实粒个数，通过形态学处理和图像比对计算水稻空秕粒个数，通过水稻外接圆的直径长度计算稻壳内粒长。选取三十株水稻样本进行X射线成像，并进行实粒、空秕粒和粒长分析。结果表明，水稻实粒数测量值和真实值的绝对误差保持在±3的误差内，空秕粒的准确率也能达到88%，粒长检测的绝对误差均小于0.13 mm，将其应用到实验检测中，证实了该方法整体的可靠性。

关键词: 图像处理, X射线, 水稻籽粒, 无损检测

Abstract: For the measurement of large panicle rice in a short period of time to meet the demand of modern breeding technology, it puts forward a kind of fast nondestructive method of grain parameters acquisition of rice panicle based on X ray. The method analyzes the influence on the imaging quality of the ear grain by the X-ray tube voltage and current, calculates the number of filled grain by Gauss smooth and multi-threshold segmentation, the rice empty grain number is calculated through morphological processing and image alignment, the rice husk length is obtained by means of calculating the diameter of the circumcircle of rice grain. Thirty rice samples are selected for X-ray imaging, and grain, empty grain and grain length analysis. The results show the measurement value of rice filled grains and the true value of the absolute error within ±3, the accuracy of empty grain number can reach 88%, the absolute error of grain length is less than 0.13 mm. And the application verifies the reliability of the whole method.

Key words: image processing, X-ray, rice kernel, nondestructive testing

许杰1，2，周子力1，潘大宇2，3，王成2，4，罗斌2，4，宋鹏2，3. 水稻穗部籽粒参数快速无损获取方法研究[J]. 计算机工程与应用, 2017, 53(8): 203-208.

XU Jie1，2, ZHOU Zili1, PAN Dayu2，3, WANG Cheng2，4, LUO Bin2，4, SONG Peng2，3. Study on fast and nondestructive method of rice grain parameters acquisition of rice panicle[J]. Computer Engineering and Applications, 2017, 53(8): 203-208.

[1]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[2]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[3]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[4]	杨培伟，周余红，邢岗，田智强，许夏瑜. 卷积神经网络在生物医学图像上的应用进展[J]. 计算机工程与应用, 2021, 57(7): 44-58.
[5]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.
[6]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[7]	张德，林青宇，郭茂祖. 单幅图像超分辨重建的深度学习方法综述[J]. 计算机工程与应用, 2021, 57(22): 28-41.
[8]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[9]	林本丰，王呈，孙悦程. 融合LSD算法与深度学习的开关状态检测方法[J]. 计算机工程与应用, 2021, 57(17): 181-189.
[10]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[11]	王滢暄，宋焕生，梁浩翔，余宵雨，云旭. 基于改进的YOLOv4高速公路车辆目标检测研究[J]. 计算机工程与应用, 2021, 57(13): 218-226.
[12]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.
[13]	胡文涛，陈秀宏. 基于局部保持投影的鲁棒稀疏子空间学习[J]. 计算机工程与应用, 2021, 57(10): 194-199.
[14]	王凡，周国清，张荣庭，刘德全. 面向FPGA的连通域快速标记方法[J]. 计算机工程与应用, 2020, 56(22): 230-235.
[15]	潘卫华，杜旭. 基于改进自适应权重的三边滤波立体匹配算法[J]. 计算机工程与应用, 2020, 56(18): 186-192.

水稻穗部籽粒参数快速无损获取方法研究

Study on fast and nondestructive method of rice grain parameters acquisition of rice panicle

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics